首页
›
AI与大模型
›
028-ONNX模型部署与推理优化
›
《ONNX模型跨平台编译配置教程》
VIP20
本课程属于:028-ONNX模型部署与推理优化
AI与大模型 · 共 20 门相关课程,组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录
咨询 / 购买
📘
ONNX模型跨平台编译配置教程
共计 30 章节
点击此处阅读海量试读课程:100+行业、1000+细分领域
01
课程导入
学习目标 · 适用人群 · ONNX模型跨平台编译的整体流程与核…
课程导入
学习目标
02
ONNX基础
ONNX格式介绍 · 模型结构 · 算子集
ONNX
格式介绍
03
跨平台编译概述
跨平台编译的概念 · 常见平台(Windows · Linux
跨平台编译概述
跨平台编译的概念
04
环境准备
安装Python · CMake · 编译器(GCC/Clang/MSVC…
环境准备
Python
05
ONNX Runtime简介
ONNX Runtime的功能 · 架构 · 支持平台及编译选项
ONNX
Runtime
06
源码获取与目录结构
从GitHub获取ONNX Runt… · 理解关键目录和构建脚本
源码获取
目录结构
07
CMake基础
CMake语法 · 常用命令 · 构建类型(Debug/Release…
CMake
语法
08
Windows平台编译
使用Visual Studio编译O… · 配置环境变量 · 生成解决方案
Windows
平台编译
09
Linux平台编译
使用GCC/Clang编译ONNX… · 处理依赖 · 设置编译选项
Linux
平台编译
10
macOS平台编译
使用Xcode或命令行编译ONNX… · 处理Apple Silicon与In…
macOS
平台编译
11
Android平台编译
使用NDK交叉编译ONNX Runt… · 配置ABI(armeabi-v7a · arm64-v8a等)
Android
平台编译
12
iOS平台编译
使用Xcode交叉编译ONNX Ru… · 配置架构(arm64 · x86_64模拟器)
iOS
平台编译
13
自定义算子编译
编写自定义算子并集成到ONNX Ru… · 编译时注册算子
自定义算子编译
ONNX
14
优化选项
启用CPU优化(如DNNL · OpenMP) · GPU支持(CUDA
优化选项
CPU
15
模型转换与验证
将PyTorch/TensorFlo… · 使用ONNX Runtime推理验证…
模型转换
验证
16
性能调优
分析模型性能瓶颈 · 使用ONNX Runtime的图优化 · 线程设置
性能调优
分析模型性能瓶颈
17
常见编译错误与解决
链接错误 · 头文件缺失 · 版本冲突
常见编译错误
解决
18
跨平台部署实战
将编译好的ONNX Runtime集… · 移动App)
跨平台部署实战
ONNX
19
案例实战
图像分类模型跨平台部署
案例实战
图像分类模型跨平…
20
案例实战
目标检测模型跨平台部署:处理动态输入 · NMS等复杂算子
案例实战
目标检测模型跨平…
21
案例实战
自然语言处理模型跨平台部署 · 分词器集成
案例实战
自然语言处理模型…
22
测试与调试
编写单元测试 · 集成测试 · 使用调试工具定位问题
测试
调试
23
版本管理与持续集成
使用Git管理源码 · 配置CI(GitHub Action…
版本管理
持续集成
24
安全与隐私
模型加密 · 混淆 · 防止逆向工程
安全
隐私
25
常见问题汇总
编译失败 · 运行崩溃 · 性能不佳等问题的排查思路
常见问题汇总
编译失败
26
高级主题
多后端支持(CPU · GPU · NPU)
高级主题
CPU
27
社区与资源
ONNX Runtime官方文档 · GitHub Issues · 社区论坛
社区
资源
28
综合项目
构建一个跨平台推理服务 · 支持多种模型和平台
综合项目
构建一个跨平台推…
29
课程总结
回顾关键知识点 · 技能树 · 未来学习方向
课程总结
回顾关键知识点
30
结业测试
综合测试题 · 检验学员对跨平台编译配置的掌握程度
结业测试
综合测试题
所属VIP或分类
同VIP:ONNX模型C++部署实战指南
同VIP:ONNX模型CPU推理优化指南
同VIP:ONNX模型GPU推理加速避坑指南